MétaCan
Menu
Retour à la cohorte
Enregistrement W1980331839 · doi:10.1115/icone12-49170

A Risk-Informed On-Line Test and Maintenance Framework for Redundant Instrumentation and Control Systems in Nuclear Power Plants

2004· article· en· W1980331839 sur OpenAlexaffabout
Lixuan Lu, Jin Jiang

Notice bibliographique

Revue12th International Conference on Nuclear Engineering, Volume 1 · 2004
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueRisk and Safety Analysis
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésUnavailabilityReliability engineeringReliability (semiconductor)Nuclear powerNuclear power plantShutdownInstrumentation (computer programming)Probabilistic logicProbabilistic risk assessmentRisk analysis (engineering)Electric power systemComputer scienceEngineeringRisk assessmentNuclear engineeringPower (physics)BusinessComputer security

Résumé

récupéré en direct d'OpenAlex

Deregulation forces Nuclear Power Plants (NPPs) to operate not only safely, but also more economically. Instrumentation and Control (I&C) systems in NPPs play an important role to reduce operational related costs. Therefore, a well-planned test and maintenance (T&M) strategy for I&C systems is more important then ever in this deregulated energy market. This paper presents a general T&M framework for digital I&C systems in NPPs. There are three main parts within this framework: probabilistic safety assessment (PSA), reliability analysis, and costs evaluation. PSA is used to set risk-informed unavailability limits. Reliability analysis is used to derive the relation between the unavailability and the T&M interval. Costs associated with not only T&M, but also reactor mal-shutdowns are evaluated. The Shutdown System Number One (SDSI) in Canadian Deuterium-Uranium (CANDU) based NPPs is used as an example system to illustrate the proposed framework.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,008
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,003
Communication savante0,0030,003
Science ouverte0,0030,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,037
Tête enseignante GPT0,315
Écart entre enseignants0,278 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2004
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revue12th International Conference on Nuclear Engineering, Volume 1Même sujetRisk and Safety AnalysisTravaux en français237 207